CN107850917A - 使用流信号的事件检测的系统和方法 - Google Patents

使用流信号的事件检测的系统和方法 Download PDF

Info

Publication number
CN107850917A
CN107850917A CN201680035691.6A CN201680035691A CN107850917A CN 107850917 A CN107850917 A CN 107850917A CN 201680035691 A CN201680035691 A CN 201680035691A CN 107850917 A CN107850917 A CN 107850917A
Authority
CN
China
Prior art keywords
envelope
signal
function
computing device
acceleration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680035691.6A
Other languages
English (en)
Other versions
CN107850917B (zh
Inventor
P·D·安诺
H·克利
S·拉姆齐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ConocoPhillips Co
Original Assignee
ConocoPhillips Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ConocoPhillips Co filed Critical ConocoPhillips Co
Priority claimed from PCT/US2016/038123 external-priority patent/WO2016205679A1/en
Publication of CN107850917A publication Critical patent/CN107850917A/zh
Application granted granted Critical
Publication of CN107850917B publication Critical patent/CN107850917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B45/00—Measuring the drilling time or rate of penetration
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Fluid Mechanics (AREA)
  • Geochemistry & Mineralogy (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

系统和方法通过偏离平均(正常)状态特性的振幅包络来计算功能障碍。包络函数由给定窗口尺寸内的最大信号值的递归应用构成。上述的操作是因果的以及计算上可承受的，因为需要相对短的移动窗口来跟踪当前点。因此，所提出的包络和功能障碍计算适用于以高采样率测量的任何数据流源。计算的有效性被验证为表示实时现场钻探操作中的多个物理量。

Description

使用流信号的事件检测的系统和方法
技术领域
本公开一般地涉及烃钻探领域。更特别地，但不作为限制，本发明的实施例涉及与钻探功能障碍有关的系统和方法。
背景技术
由于难以实现计算效率、因果关系和最小信息漂移(即，时移)，也称为离群(outlier)、异常、新颖性或事件检测的信号功能障碍代表实时数据挖掘中最具挑战性的主题之一。在实时钻井操作的特殊情况下，开发能够检测将会最终导致成本高昂的钻机系统故障的功能障碍的机制是至关重要的。
发明内容
本公开通过提供用于通过偏离平均(正常)状态特性(behavior)的振幅包络来计算功能障碍的系统和方法来解决本领域中的限制。包络函数由给定窗口尺寸内的最大信号值的递归应用构成。类似地，平均函数允许在相同的预定义窗口尺寸内估计信号的正常状态。因此，可以连续平滑最大和平均信号值的序列以产生引起最小模型漂移(model shift)的功能障碍分布。功能障碍算子被定义为在每个时间点处相对于平均信号的包络的相对变化。上述操作是因果的以及计算上可承受的，因为需要相对短的移动窗口来跟踪当前点。因此，所提出的包络和功能障碍计算适用于以高采样率测量的任何数据流源。本发明的有效性在代表实时现场钻探操作中的多个物理量(physics)的若干通道上得以验证。
钻探振动也会导致钻柱偏离理想的、均匀的圆形转动。钻柱非均匀转动的映射(map)导致更好地理解钻柱功能障碍的动力学。本发明要求使用测量的加速度数据连续地映射钻柱运动的位置，并产生各种属性以量化钻探功能障碍。各种功能障碍属性的2D和3D可视化描述了振动如何影响钻柱运动。与其他信息结合起来，可以用来减少钻探振动。
本发明使得能够开发用于实时控制和优化钻井操作的高效且稳健的工作流程。包络为计算功能障碍以及对信号趋势进行分类和总结提供了有意义的表示。功能障碍对于主动检测可能导致设备故障的事件至关重要。在实时钻探的特殊情况下，结果应该有助于提高穿透速度并使井头故障最小化。本发明的扩展可以被定向成影响任何自动活动，该任何自动活动需要有效的方式来确定由传感器、卫星和其他移动设备产生的实时信号中的包络和功能障碍。
因此，本发明的目的是提供一种方法，其包括：通过计算装置确定振幅包络，所述确定振幅包络进一步包括根据给定窗口尺寸内的最大信号值的递归应用来配置包络函数；通过所述计算装置配置用于估计所述窗口尺寸内的信号的正常状态的平均函数；通过将所述包络函数与所述平均函数相比较而通过所述计算装置实时确定功能障碍算子以生成功能障碍轮廓(profile)；以及通过所述计算装置映射所述比较的各种属性。
本发明的另一个目的是提供一种系统，其包括：处理器；非暂时性存储介质，其用于在其上有形地存储用于所述处理器执行的程序逻辑，所述程序逻辑包括：确定由所述处理器执行的用于确定振幅包络的逻辑，所述确定振幅包络进一步包括根据给定的窗口尺寸内的最大信号值的递归应用来配置包络函数；配置由所述处理器执行的用于配置用于估计所述窗口尺寸内的信号的正常状态的平均函数的逻辑；确定由所述处理器执行的用于通过将所述包络函数与所述平均函数进行比较来实时确定功能障碍算子以生成功能障碍轮廓的逻辑；以及映射由所述处理器执行的用于映射所述比较的各种属性的逻辑，所述映射进一步包括将所确认的功能障碍轮廓应用于产生所述信号的活动。
本发明的实现可以包括以下特征中的一个或多个：所述方法可以进一步识别用于检测设备故障的功能障碍；这样的设备可以包括钻探设备；信号数据包括加速度数据；加速度数据可以从局部移动坐标系被转换为全局静止坐标系；径向加速度和轴向加速度的矢量叉积可以估计切向加速度；信号可以包括：轴向振动、井下RPM、井下扭矩、重力加速度、向心加速度、径向加速度、切向加速度、距表面(surface)距离、表面RPM、表面扭矩、孔深度和钻机状态。
附图说明
根据如在附图中示例出的实施例的以下描述，本公开的前述和其他目的、特征和优点将变得显而易见，其中在各个视图中，参考标号指相同的部分。附图不一定按比例绘制，而是将重点放在说明本公开的原理上：
图1示出了代表时间序列的数据。
图2示出了使用现有技术和本发明的各种计算将时间数据信号变换为包络(envelope)数据。
图3示出了图1-2中呈现的关于数据的示例性功能障碍轮廓。
图4示出了关于从现场获得的RPM数据的一系列包络信息。
图5示出了使用现有技术的以及使用最大运算符(对于w＝40)示出的本发明的各种计算将RPM数据信号变换为功能障碍数据。
图6示出了使用现有技术的以及使用较小窗口尺寸(对于w＝10)示出的本发明的各种计算将RPM数据信号变换为功能障碍数据。
图7示出了使用现有技术的和应用于分段数据的本发明的各种计算的包络。
图8A和8B示出了超过10000个扭矩数据样本的包络、平均(mean)和功能障碍轮廓。
图9A和9B示出了当信号显示频繁的符号变化时的本发明的性能。
图10示出了当信号显示频繁的符号变化时的本发明的性能，如均方根(RMS)包络所示。
图11示出了根据本发明的一个或多个实施例的示例出硬件设备的架构的框图。
具体实施方式
现在转到对本发明的优选布置或布置的详细描述，应理解，本发明的特征和概念可以以其他布置来表现，并且本发明的范围不限于所描述或说明的实施例。本发明的范围仅由下面的权利要求的范围限定。
尽管以下详细讨论了本公开的各种实施例的制作和使用，但是应理解，本公开提供了许多可以在各种各样的具体上下文中体现的可应用的发明概念。这里讨论的具体实施例仅仅是说明制作和使用本公开的具体方式，并不限制本公开的范围。
说明书中提及的所有出版物和专利申请指示了本公开所属领域的技术人员的技术水平。所有的出版物和专利申请通过引用并入本文，其程度如同每个单独的出版物或专利申请被具体地和单独地指出通过引用并入。
现在将在下文中参考图和附图来更全面地描述本公开，上述图和附图形成其一部分并且其以示例的方式示出了具体的示例实施例。然而，主题可以以各种不同的形式来体现，并且因此所涵盖或要求保护的主题旨在被解释为不限于本文阐述的任何示例实施例；提供的示例实施例仅仅是说明性的。同样地，意图要求保护的或涵盖的主题的合理广泛的范围。除其他之外，例如，主题可以体现为方法、装置、组件或系统。因此，下面的详细描述并不意在被认为是限制性的。
在整个说明书和权利要求书中，术语可能具有在上下文中提示的或暗示的细微含义，超出明确指出的含义。同样地，本文所使用的短语“在一个实施例中”不一定指代相同的实施例，而本文所使用的短语“在另一个实施例中”不一定指代不同的实施例。例如，要求保护的主题全部或部分地包括示例实施例的组合。
一般而言，术语可以至少部分地从上下文中的用法来理解。例如，本文所使用的诸如“和”、“或”或者“和/或”的术语可以包括可以至少部分依赖于使用这些术语的上下文的各种含义。
典型地，如果用于关联诸如A、B或C的列表，则“或”意在表示A、B和C，这里用于包括性意义，以及表示A、B或C，这里用于排他性意义。此外，至少部分依赖于上下文，本文所使用的术语“一个或多个”可以用于描述单数意义上的任何特征、结构或特性，或者可以用于描述复数意义上的特征、结构或特征的组合。类似地，同样至少部分依赖于上下文，诸如“一”、“一个”或“该”的术语可以被理解为表达单数用法或表达复数用法。此外，同样至少部分依赖于上下文，术语“基于”可以被理解为不一定旨在表达一组排他性的因素，而是可以替代地允许存在未必明确描述的附加因素。
下面参考方法和装置的框图和操作说明来描述本公开。应理解，图中的每个框或操作说明以及图中的框或者操作说明的组合可以通过模拟或数字硬件和计算机程序指令来实现。这些计算机程序指令可以被提供给通用计算机、专用计算机、ASIC或其他可编程数据处理装置的处理器，使得通过计算机或其他可编程数据处理装置的处理器执行的指令实现在框图或操作块或块中指定的功能/动作。在一些替代实施方式中，在框中标注的功能/动作可以不按照操作说明中标注的顺序发生。例如，依赖于所涉及的功能/动作，连续示出的两个框实际上可以基本上同时执行，或者框有时可以以相反的顺序执行。
这些计算机程序指令可以被提供给通用计算机、专用计算机、ASIC或其他可编程数据处理装置的处理器，使得通过计算机或其他可编程数据处理装置的处理器执行的指令实现在框图或操作块或块中指定的功能/动作。
为了本公开的目的，术语“服务器”应理解为指代提供处理、数据库和通信设施的服务点。作为示例而非限制，术语“服务器”可以指代具有相关联的通信和数据存储以及数据库设施的单个物理处理器，或者其可以指处理器和相关联的网络和存储设备的联网或集群复合体以及支持服务器提供的服务的操作软件和一个或多个数据库系统和应用软件。服务器在配置或功能上可能差异很大，但通常服务器可能包含一个或多个中央处理单元和存储器。服务器还可以包括一个或多个大容量存储设备、一个或多个电源、一个或多个有线或无线网络接口、一个或多个输入/输出接口、或者一个或多个操作系统，诸如Windows服务器、Mac OS X、Unix、Linux、FreeBSD等等。
为了本公开的目的，计算机可读介质(或计算机可读存储介质/媒介)存储计算机数据，该数据可以包括机器可读形式的计算机可执行的计算机程序代码(或计算机可执行指令)。作为示例而非限制，计算机可读介质可以包括用于数据的有形或固定存储的计算机可读存储介质或者用于包含代码的信号的瞬态解释的通信介质。本文所使用的计算机可读存储介质是指物理或有形存储(与信号相对)并且包括但不限于以任何方法或技术实现的用于信息的有形存储的易失性和非易失性、可移动和不可移动介质，其中所述信息包括计算机可读指令、数据结构、程序模块或其他数据。计算机可读存储介质包括但不限于RAM、ROM、EPROM、EEPROM、闪存或其他固态存储器技术、CD-ROM、DVD或其它光学存储、磁带盒、磁带、磁盘存储或其他磁存储设备、或者可用于有形地存储期望的信息或数据或指令并且可由计算机或处理器访问的任何其他物理或材料介质。
为了本公开的目的，“网络”应被理解为是指可以耦合设备的网络，以使得可以诸如在服务器与客户端设备之间或者其他类型的设备之间交换通信，例如，包括在通过无线网络耦合的无线设备之间。例如，网络还可以包括大容量存储，诸如网络附加存储(NAS)、存储区域网络(SAN)或者其他形式的计算机或机器可读介质。网络可以包括因特网、一个或多个局域网(LAN)、一个或多个广域网(WAN)、有线类型连接、无线类型连接、蜂窝或其任何组合。同样地，可以采用不同架构或者可以与不同协议相符合或兼容的子网络可以在更大的网络内互操作。例如，可以使各种类型的设备可用于为不同的架构或协议提供可互操作的能力。作为一个示例性示例，路由器可以提供在其他分离的和独立的LAN之间的链路。
通信链路或通道例如可以包括模拟电话线，诸如双绞线、同轴电缆、包括T1、T2、T3或T4型线路的全部或部分数字线路、综合业务数字网络(ISDN)、数字用户线(DSL)、包括卫星链路的无线链路、或者诸如本领域技术人员可能已知的其他通信链路或通道。此外，例如，计算装置或其它相关电子设备可以远程地耦合到网络，诸如通过电话线或链路。
为了本公开的目的，“无线网络”应被理解为将客户端设备与网络连接。无线网络可以使用独立的自组织网络、网状网络、无线LAN(WLAN)网络、蜂窝网络等。无线网络可以进一步包括通过无线无线电链路等耦合的终端、网关、路由器等的系统，这些系统可以自由地、随机地移动或任意组织，使得网络拓扑有时甚至可以快速地改变。无线网络还可以采用多种网络接入技术，包括长期演进(LTE)、WLAN、无线路由器(WR)网、或第二、第三或第四代(2G、3G或4G)蜂窝技术等。例如，网络接入技术可以实现诸如具有不同移动性程度的客户端设备的设备的广域覆盖。
例如，网络可以通过诸如全球移动通信系统(GSM)、通用移动无线通信系统(UMTS)、通用分组无线电服务(GPRS)、增强型数据GSM环境(EDGE)、3GPP长期演进(LTE)、LTE高级、宽带码分多址(WCDMA)、北美/CEPT频率、无线电频率、单边带、无线电报、无线电传(RTTY)、蓝牙、802.11b/g/n等。无线网络实际上可以包括任何类型的无线通信机制，通过该无线通信机制信号可以在诸如客户端设备或计算装置之类的设备之间、在网络之间或之内等通信。
计算装置可以能够诸如通过有线或无线网络发送或接收信号，或者能够处理或存储诸如在存储器中作为物理存储状态的信号，并且因此可以作为服务器来操作。由此，能够作为服务器进行操作的设备可以包括例如专用机架式服务器、台式计算机、膝上型计算机、机顶盒、结合诸如前述设备的两个或更多个特征各种特征的集成设备等等。服务器在配置或功能上可能差异很大，但通常服务器可能包含一个或多个中央处理单元和存储器。服务器还可以包括一个或多个大容量存储设备、一个或多个电源、一个或多个有线或无线网络接口、一个或多个输入/输出接口、或者一个或多个操作系统，诸如Windows服务器、Mac OSX、Unix、Linux、FreeBSD等等。
为了本公开的目的，客户端(或消费者或用户)设备可以包括能够诸如通过有线或无线网络发送或接收信号的计算设备。客户端设备可以例如包括台式计算机或便携式设备，诸如蜂窝电话、智能电话，显示寻呼机、射频(RF)设备、红外(IR)设备、近场通信(NFC)设备、个人数字助理(PDA)、手持式计算机、平板电脑、膝上型计算机、机顶盒、可穿戴计算机、结合诸如前述设备的特征的集成设备等等。
客户端设备可能在功能或特征方面有所不同。声称的主题旨在涵盖广泛的潜在变化。例如，移动设备可以包括数字键盘或有限功能的显示器，诸如用于显示文本的单色液晶显示器(LCD)。然而，相反，作为另一示例，例如，有web功能的客户端设备可以包括一个或多个物理或虚拟键盘、大容量存储、一个或多个加速度计、一个或多个陀螺仪、全球定位系统(GPS)或其他位置识别类型能力、或诸如触摸感应式的彩色2D或3D显示器的具有高度的功能性的显示器。
客户端设备可以包括或者可以执行各种操作系统，包括诸如Windows、iOS或Linux的个人计算机操作系统、或者诸如iOS、Android或Windows Mobile等的移动操作系统。客户端设备可以包括或者可以执行各种可能的应用，诸如使得能够与其他设备通信的诸如传送一个或多个消息的客户端软件应用。根据本公开的客户端设备、移动设备或无线通信设备可以是便携式的或移动的电话，包括智能电话、个人数字助理(PDA)、无线视频或多媒介设备、便携式计算机、嵌入式通信处理器或类似的无线通信设备。在下面的描述中，为了说明的目的，通信设备将被称为一般意义上的用户设备(UE)，并且不意图将本公开限制为任何特定类型的通信设备。某些现代手持电子设备(UE)包括连接到诸如2G、2.5G、3G和/或LTE网络的蜂窝网络的必要组件、以及连接到诸如无线LAN网络(例如，IEEE 802.11a/b/g/n)或有线LAN网络(例如，IEEE 802.3)的非蜂窝IP连通性接入网络(IP CAN)的必要组件。
已描述了在所公开的系统和方法内使用的通用架构的组件，现在将描述相对于所公开的系统和方法的组件的一般操作。这里讨论的原理可以以许多不同的形式来体现。现在将为了完整而描述本公开的优选实施例；应该至少参考图1-12。
在本发明中，信号包络和功能障碍的有效计算能够实现钻井操作的实时数据挖掘、优化和控制。然而，本发明不限于钻探数据的性质，并且其也可以应用于其他问题，其中自动化系统中的时间事件的主动检测可以有助于避免故障。
本发明进一步使得能够开发用于实时挖掘、控制和优化钻探操作的高效和稳健的工作流程。包络为计算功能障碍以及对信号趋势进行分类和总结提供了有意义的表示。功能障碍对于主动检测可能导致设备故障的事件至关重要。在实时钻探的特殊情况下，结果应该有助于提高穿透速度并使井头故障最小化。本发明的扩展可以被定向成影响任何自动活动，该任何自动活动需要有效的方式来确定由传感器、卫星和蜂窝设备产生的实时信号中的包络和功能障碍。
通常，希望为信号的所有时间值定义包络、或最高和最低的振幅。这个包络然后可以用于各种计算，并且被用于插入关于时间值的振幅，其中实际上没有对原始信号进行采样。在一个实施例中，本发明提供了关于离线时间数据的大序列的实时和因果包络计算，该计算与通过Hilbert变换(Johansson，1999)获得的那些类似。本发明的包络适合于有效的功能障碍计算，因为在任何时间样本处的最大值有效地提供关于任何信号的上界表示。由于最初产生的包络具有块状，由此导致进一步的实际计算变得粗糙，信号符号的变化需要额外的处理，因为负值的最大成为产生针对信号的不希望的下界的值的最小。通过移动平均操作的递归应用可以有效解决第一个条件。第二个条件可以通过对每个最大计算应用符号函数算子来有效解决。
在另一个实施例中，在本发明中提供了其他选项以保持对所提出的算子的一致性、有界性和平移不变性。通过将平均计算和平滑度与包络计算对准，可以进行功能障碍计算。考虑到所产生的包络和平均信号两者的平滑度，然后可以产生对应的关于功能障碍的平滑和无量纲轮廓。
大多数关于对于流的时间数据挖掘的文献都可以在计算科学领域获得，其中与传感器测量相关联的软件和硬件技术驱动更好地理解实时和空间信息之间的相互作用。然而，大多数被提出的实时功能障碍计算机制不考虑事件之间的因果关系(因为它可能发生在使用全局光谱或笛卡尔插值算子的离线分析中；参见例如，Johansson 1999，Jonsson和Eklundh，2004)或者是概率性的(引起来自先验概率分布或学习内核的预测的不准确和迟缓)或者是计算上的需求(折扣(discounting)和聚类模型)，参见Gupta等，2013。在实时钻探系统中，关键的是能够在事件发生几秒后检测事件。由此，实时数据必须以高采样率进行测量，以补偿由信号包络估计引起的延迟或漂移。对更高分辨率的需求为设计具有低浮点和存储器要求的实时操作算子带来了额外的挑战。先前已经在文献(例如，Caetano，2010)中研究了基于最大值和均方根(RMS)能量的涉及低计算操作的包络的计算。然而，他们已经以离线的方式进行了分析，由此假定完整的信号轮廓已经是可使用的。图10将本发明与RMS能量包络进行比较。可以观察到，RMS能量具有比用于正值的平均算子产生类似响应的潜在问题，由此低于(undershoot)合理包络的预期形状，并且在负值的情况下，可能显著超过(overshoot)包络。由此，RMS能量算子不是合适的双边包络算子。在实时钻探操作中，数据可能描述振幅、频率、比例和符号的显著变化，由此增加对开发灵活和稳健的方法来估计跨过大范围信号特征和趋势的包络的强烈需求。这些强烈需求通常在大多数(如果不是全部的话)报道的关于包络计算的工作中被忽略。大多数方法(诸如Caetano，2010所示)依赖于一组时间假设，其中信号可能进入更高能量和低能量的时段中。这确实允许提高包络计算的质量，但是在本发明打算被使用的应用类型中目前是不可行的。最近的努力提出使用最大操作来估计诸如在示波器设备Hertz，2012上观察到的信号上的包络。以与之前的其他工作相同的方式，这个最近提出的程序不是专门为实时数据设计的。事实上，Hertz，2012建立了多个最小和最大值的迭代估计，然后进行数值插值，以改善由数据的长突发提供的所产生的包络的形状。为了实时处理的目的的话，这可能是计算密集型的，并且这不足以对跨多个通道的意外事件来主动响应。此外，在上述工作的每一个中的包络的计算并不是通过某些方式与本发明中所述的以高采样率计算实时功能障碍的目标相关联的。
在本发明的一个实施例中，重点在于针对离线时间数据的大序列生成实时和因果包络计算。包络能够简单的实现并适合有效的功能障碍计算。发现在任何时间采样处的最大值对于为任何信号提供上界表示是有效的。尽管如此，由此产生的信封呈块状，由此对于进一步的实际计算而言太粗糙。此外，信号符号的变化可能需要特殊的处理，因为负值的最大成为产生关于信号的不希望的下界的值的最小。第一种情况可以通过移动平均操作的递归应用来有效地解决。第二个问题可以通过在每次最大计算时应用符号函数算子来进行分类。许多其他的选择是可能的，以保持对所提出的算子的一致性、有界性和平移不变性。通过将平均计算和平滑度与包络计算对准，可以进行功能障碍计算。考虑到包络和平均信号两者的平滑度，有可能产生对应的关于功能障碍的平滑和无量纲轮廓。
本发明提供了减少浮点和存储器成本的重要优点，从而实现对仪器化测量的实时处理。通过比已知的谱和插值方法更有效的移动平均的递归应用来隐式平滑包络和平均轮廓。定义这两种操作的方式解开了为功能障碍定义物理声音测量的几种可能性。在我们的具体情况下，使用与平均值的简单偏差提供了信息量化和无量纲量化来描述多个物理量的功能障碍，该多个物理量诸如为在钻柱的不同位置处测量的扭矩、钻压和径向加速度。
在本发明的一个实施例中，为了确定功能障碍的目的，可以利用一个或多个算法来计算包络和平均值。如下MATLAB(矩阵实验室)(MathWorks)所述，利用了多范数值计算环境和第四代编程语言，其允许矩阵操作、绘制函数和数据、实现算法、创建用户界面、以及与包括C、C++、Java、Fortran和Python的其他语言编写的程序进行交互。然而，下面的算法就编程语言方面是非限制性的，并且可以由任何计算环境来执行。
以下描述基于图1-10。所描述的算法假定最大、平均和移动平均计算的矢量计算。关于时间序列分析和时间数据挖掘的基础知识可以在经典的诸如Box等，2008和Mitsa，2010的参考文献中分别获得。
包络算法：
For i＝1,2,...
1)shift＝min(w,i)
2)l＝i-shift+1:i
3)yenv(i)＝max(y(l))
4)yenv(l)＝moving_average(yenv(l),m)
End
索引i上的循环扫描由矢量变量y表示的信号中的每个采样点。变量w代表预定义的窗口尺寸。尺寸小于w的时间采样点的追踪缓冲，即矢量变量l由可变漂移的值控制。因此，缓冲l具有w的最大尺寸，并且包含当前点作为领导点。包络由包含在尺寸偏移的移动窗口内的最大值产生。在给定窗口内定义的包络上的移动平均操作被递归地应用，因为新的采样时间点被同化。这意味着位于信号末端的w位置的每个点被平滑w次。这引起了一种隐式的方法来插入所得到的包络轮廓。
平均算法：以与包络算法类似的方式，平均操作在移动窗口中递归计算平滑均值：
For i＝1,2,...
1)shift＝min(w,i)
2)l＝i-shift+1:i
3)ymean(i)＝mean(y(l))
4)ymean(l)＝moving_average(ymean(l),m)
End
功能障碍算法：
For i＝1,2,...
1)shift＝min(w,i)
2)l＝i-shift+1:i
3)ydys(i)＝max(|yenv(l)-ymean(l)|./ymean(l))
End
关键操作在步骤3中描述。这表示包络的差与信号的平均值之间的比的逐点计算。在每个追踪点执行关于平均的逐点分割(遵循Matlab编程惯例，点“.”操作强调该逐点分割)。由此，用于最大算子的算子是尺寸(漂移)的向量。最大算子为功能障碍计算提供包络。
为了产生更平滑的功能障碍轮廓，包络可以适合于关联不同测量之间的能量(振幅)损失。挑选在给定的窗口尺寸内的功能障碍趋势的最大值提供了如在功能障碍算法中的步骤3中所示的包络轮廓：
ydys(i)＝max(ydys(l))
由于功能障碍仍然可能是高度振荡的函数，所以本发明可以通过可选地对得到的轮廓进行移动平均来进一步实现更平滑的表示：
ydys(l)＝moving_average(ydys(l),m)
例子。这些例子示例出本发明对由图1-10所示的合成和现场钻探数据两者的能力。图1示出了对于文献中提出的许多包络技术可能具有挑战性的高度变化的信号104。Hilbert变换是当完成信号是可用时的选择的方法，Johanson，1999。这个解决方案被作为参考一。图2将针对以w＝40的窗口尺寸呈现的信号203所提出的方法202与Hilbert变换201进行比较。两个响应是相似的。然而，该例子示例出在处理边界值时关于Hilbert变换201的一个潜在的缺点。通过截断信号边缘处的变换来诱发振铃假象(ringing artifact)204。相反，本发明的最大操作对这种边缘效应不敏感。通过应用包络和平均算子可以观察到由窗口尺寸给出的轻微模型漂移。图3示出了关于本发明的所得到的功能障碍轮廓301、302，其中还提供了振铃假像204。图4示出了对具有信号405的现场数据部分的包络的计算。在这种情况下，Hilbert变换倾向于产生比本发明403更详细的包络402。然而，Hilbert变换超过具有最低值的部分(即，横跨山谷)。这些结果实际上反映在图5中示出的对应的功能障碍包络中。由最大算子502(对于w＝40)获得的功能障碍提供了比从Hilbert变换501计算出的更好的整体信号行为表示。如果需要，较小的窗口尺寸(即w＝10)将使两个功能障碍包络相互更接近，如可在图6中看到的那样。
在另一个实施例中，本发明被应用于如图7所示例的分段信号数据701。为了得到这些结果(最大包络722、Hilbert包络721)，每当信号变为零702、无效或经历重要的趋势变化时重新开始最大和平均计算，这在钻头停止、传感器测量结果以某种方式中断或者钻头在不同的条件下操作时可能发生。图8A和图8B示出了包络、平均和功能障碍(图8B)轮廓在超过10000个扭矩数据样本上看起来如何。图9A和9B示出了当信号显示频繁的符号变化时的本发明的性能。图10进一步示出了与RMS能量信号(信号1000、RMS能量包络1001、最大包络1002、平均1003)相比时的最大功能障碍性能。使用基于符号函数的校正来保持计算的一致性。应注意，当使用用于计算包络的RMS能量标准时，负值将被超出。
如图11所示，为了计算和呈现由本发明呈现的数据，计算装置(一个或多个)、计算系统、计算平台等的内部架构1100包括与至少一个计算机总线1102连接的一个或多个处理单元、处理器或处理核心(这里也被称为CPU)1112。还与计算机总线1102交互的有计算机可读介质或媒介1106、网络接口1114、存储器1104(例如，随机存取存储器(RAM)、运行时暂存器、只读存储器(ROM))、媒介光盘驱动接口1120(作为可以读取和/或写入媒介的驱动器的接口，该媒介包括诸如软盘、CD-ROM、DVD、媒介的可移动媒介)、作为用于监视器或其他显示设备1122的接口的显示器接口1110、作为用于键盘的接口的键盘接口1116、作为用于鼠标或其他指示设备的接口的指示设备接口1118、以及未单独示出的杂项的其他接口(诸如并行和串行端口接口以及通用串行总线(USB)接口)。
存储器1104与计算机总线1102连接，以便在执行诸如操作系统、应用程序、设备驱动程序以及包括程序代码的软件模块的软件程序的期间和/或在包括本文描述的功能性的计算机可执行处理步骤(例如本文描述的一个或多个处理流程)期间将存储在存储器1104中的信息提供给CPU 1112。CPU 1112首先从存储器加载计算机可执行处理步骤，例如，存储器1104、计算机可读存储介质/媒介1106、可移动媒介驱动器1108和/或其他存储设备。然后，CPU 1112可以执行被存储的处理步骤，以便执行被加载的计算机可执行处理步骤。在执行计算机可执行处理步骤期间，存储的数据(例如，由存储设备存储的数据)可以由CPU1112访问。
例如介质/媒介1106的持久性存储可以用于存储操作系统和一个或多个应用程序。持久性存储也可用于存储设备驱动网页、内容文件、播放列表和其他文件，该设备驱动诸如数码相机驱动、监视器驱动、打印机驱动、扫描仪驱动或其他设备驱动中的一个或多个。持久性存储器还可以包括用于实现本公开的一个或多个实施例的程序模块和数据文件，例如，列表选择模块、目标信息收集模块和列表通知模块，其在本公开的实现中的功能性和使用在本文中被详细讨论。
网络链路1128典型地使用传输媒介通过一个或多个网络向使用或处理该信息的其他设备提供信息通信。例如，网络链路1128可以通过局域网络1124提供到主计算机1126或由网络或互联网服务提供者(ISP)1130操作的设备的连接。ISP设备继而通过现在通常被称为因特网1132的网络中的公共全球分组交换通信网络提供数据通信服务。
连接到因特网1132的被称为服务器主机1134的计算机包含(host)响应于通过因特网1132接收的信息而提供服务的过程。例如，服务器主机1134包含提供表示用于在显示器1110处呈现的视频数据的信息的过程。设想的是，系统1100的组件可以以例如主机和服务器的其他计算机系统内的各种配置来部署。
本公开的至少一些实施例涉及使用计算机系统1100来实现本文描述的一些或全部技术。根据一个实施例，响应于处理单元1112执行包含在存储器1104中的一个或多个处理器指令的一个或多个序列，计算机系统1100执行那些技术。也称为计算机指令、软件和程序代码的这样的指令可以被从诸如存储设备或网络链路的另一个计算机可读介质1106中读入到存储器1104。包含在存储器1104中的指令序列的执行使得处理单元1112执行本文描述的一个或多个方法步骤。在替代实施例中，可以使用诸如ASIC的硬件代替软件或者与软件结合使用。由此，本公开的实施例不限于硬件和软件的任何特定组合，除非本文另外明确指出。
通过通信接口在网络链路和其他网络上传输的信号携带信息到计算机系统1100和携带来自计算机系统1100的信息。计算机系统1100可以通过网络(其中，通过的网络链路和通信接口)发送和接收包括程序代码的信息。在使用因特网的例子中，服务器主机通过因特网、ISP设备、局域网络和通信接口传输由计算机发送的消息所请求的用于特定应用的程序代码。所接收的代码可以在其被接收时通过处理器1102执行，或者可以被存储在存储器1104中或者被存储在存储设备或其他非易失性存储器中以用于稍后执行，或者所接收的代码可以被执行和存储。
为了本公开的目的，模块是执行或促进本文描述的过程、特征和/或功能(具有或不具有人的交互或扩增)的软件、硬件或固件(或其组合)系统。一个模块可以包含子模块。一个模块的软件组件可以存储在计算机可读介质上以供处理器执行。模块可以与一个或多个服务器一体化，或者由一个或多个服务器加载和执行。一个或多个模块可以被分组至引擎或应用程序中。
最后，应注意，对任何参考文献的讨论并不是承认它是本发明的现有技术，特别是可能具有在本申请的优先权日期之后的公开日期的任何参考文献。同时，下面的每个权利要求由此作为本发明的附加实施例并入该详细描述或说明书中。
尽管已经详细描述了本文描述的系统和过程，但是应理解，在不脱离由所以下权利要求限定的本发明的精神和范围的情况下，可以进行各种改变、替换和更改。本领域的技术人员可以能够研究优选实施例并且识别实践本发明的其他方式，其不完全如本文所述。本发明人的意图是本发明的变化和等同物在权利要求的范围内，而说明书、摘要和附图不被用于限制本发明的范围。本发明具体地旨在与下面的权利要求及其等价物一样宽泛。
参考文献
Caetano M.和X.Rodet.使用真包络倒谱平滑对时域信号幅度包络的改进估计(Improved Estimation of the Amplitude Envelope of Time-Domain Signals usingTrue Envelope Cepstral Smoothing),IEEE声学国际会议(IEEE Int.Conf.onAcoustics),语音和信号处理(Speech and Signal Processing),捷克共和国,2011。
Johansson,M.，Hilbert变换(The Hilbert Transform),硕士论文,数学系,Vaxjo大学,1999。
Jonsson,P.和L.Eklund，TIMESAT-卫星传感器数据时间序列分析程序(A Programfor Analysing Time-Series of Satellite Sensor Data)，计算机地球科学(ComputerGeosciences),2004。
Gupta,M.,C.C.Aggarwal和J.Han，时态数据的异常检测：一项调查(OutlierDetection for Temporal Data:A Survey)，IEEE知识与数据工程汇刊(IEEETransactions on Knowledge and Data Engineering),Vol.25,N.1,2013。
Mitsa,T.，时间数据挖掘(Temporal Data Mining),Chapman&Hall,2010。
Box,G.E.P.,G.M.Jenkins和G.C.Reinsel，时间数据挖掘(Time SeriesAnalysis)Wiley,4th Ed.,2008。
Hertz,2012美国专利8,214,163 B2。

Claims (14)

1.一种用于信号功能障碍的实时计算的方法，包括：
(a)通过计算装置确定振幅包络，其进一步包括根据给定窗口尺寸内的最大信号值的递归应用来配置包络函数；
(b)通过所述计算装置配置用于估计所述窗口尺寸内的信号的正常状态的平均函数；
(c)通过将所述包络函数与所述平均函数进行比较而通过所述计算装置实时确定功能障碍算子以生成功能障碍轮廓；以及
(d)通过计算装置映射所述比较的各种属性。
2.根据权利要求1所述的方法，进一步包括通过计算装置确定用于检测设备故障的功能障碍。
3.根据权利要求2所述的方法，其中所述设备包括钻探设备。
4.根据权利要求1所述的方法，其中所述信号包括流数据。
5.根据权利要求4所述的方法，其中所述信号进一步包括实时功能障碍的计算。
6.根据权利要求1所述的方法，其中所述信号选自以下部分构成的组：轴向振动、井下RPM、井下扭矩、重力加速度、向心加速度、径向加速度、切向加速度、距离表面的距离、表面RPM、表面扭矩、孔深度和钻机状态。
7.根据权利要求1所述的方法，其中一个或多个所述信号从一个或多个井下三轴加速度计获得。
8.一种系统，包括：
(a)处理器；
(b)非暂时性存储介质，其用于在其上有形地存储用于所述处理器执行的程序逻辑，所述程序逻辑包括：
确定由所述处理器执行的用于确定振幅包络的逻辑，确定所述振幅包络进一步包括根据给定窗口尺寸内的最大信号值的递归应用来配置包络函数；
配置由所述处理器执行的用于配置用于估计所述窗口尺寸内的信号的正常状态的平均函数的逻辑；
确定由所述处理器执行的用于通过将所述包络函数与所述平均函数进行比较来实时确定功能障碍算子以生成功能障碍轮廓的逻辑；以及
(c)映射由所述处理器执行的用于映射所述比较的各种属性的逻辑，所述映射进一步包括将所确认的功能障碍轮廓应用于产生所述信号的活动。
9.根据权利要求8所述的系统，进一步包括通过计算装置确定用于检测设备故障的功能障碍。
10.根据权利要求8所述的系统，其中所述设备包括钻探设备。
11.根据权利要求8所述的系统，其中所述信号包括流数据。
12.根据权利要求11所述的系统，其中所述信号进一步包括实时功能障碍的计算。
13.根据权利要求8所述的系统，其中所述信号选自以下部分构成的组：轴向振动、井下RPM、井下扭矩、重力加速度、向心加速度、径向加速度、切向加速度、距离表面的距离、表面RPM、表面扭矩、孔深度和钻机状态。
14.根据权利要求8所述的系统，其中一个或多个所述信号从一个或多个井下三轴加速度计获得。
CN201680035691.6A 2015-06-19 2016-06-17 使用流信号的事件检测的系统和方法 Active CN107850917B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562182056P 2015-06-19 2015-06-19
US62/182,056 2015-06-19
PCT/US2016/038123 WO2016205679A1 (en) 2015-06-19 2016-06-17 System and method for event detection using streaming signals

Publications (2)

Publication Number Publication Date
CN107850917A true CN107850917A (zh) 2018-03-27
CN107850917B CN107850917B (zh) 2021-12-07

Family

ID=61656375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680035691.6A Active CN107850917B (zh) 2015-06-19 2016-06-17 使用流信号的事件检测的系统和方法

Country Status (2)

Country Link
EP (1) EP3311237B1 (zh)
CN (1) CN107850917B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080130442A1 (en) * 2006-12-05 2008-06-05 Atsushi Kikugawa Optical disc drive provided with envelope defect detection function
US20090194333A1 (en) * 2007-10-19 2009-08-06 Macdonald Duncan Ranging methods for developing wellbores in subsurface formations
US20110071766A1 (en) * 2008-05-28 2011-03-24 Koninklijke Philips Electronics N.V. Method and system for determining a threshold for spike detection of electrophysiological signals
WO2011139153A1 (en) * 2010-05-04 2011-11-10 Technologies88 B.V. Device and method for motion capture and analysis
CN102368095A (zh) * 2011-09-10 2012-03-07 吉林大学 多指数拟合核磁共振地下水探测信号弛豫时间谱提取方法
US20120059521A1 (en) * 2009-03-02 2012-03-08 Drilltronics Rig System As Drilling control method and system
US20120173196A1 (en) * 2009-08-21 2012-07-05 Antech Limited System for determination of downhole position
CN102575516A (zh) * 2009-08-07 2012-07-11 埃克森美孚上游研究公司 根据地面测量估计井下钻探振动振幅的方法
CN102687041A (zh) * 2009-08-07 2012-09-19 埃克森美孚上游研究公司 根据地面测量估计井下钻探振动指标的方法
CN104376881A (zh) * 2014-11-20 2015-02-25 西安交通大学 基于希尔伯特变换和数据筛选的核电站松动件定位方法
WO2015054432A1 (en) * 2013-10-08 2015-04-16 Fastcap Systems Corporation Dynamics monitoring system with rotational sensor
US20150142318A1 (en) * 2013-11-13 2015-05-21 Schlumberger Technology Corporation Wellbore Pipe Trip Guidance and Statistical Information Processing Method

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6817425B2 (en) * 2000-11-07 2004-11-16 Halliburton Energy Serv Inc Mean strain ratio analysis method and system for detecting drill bit failure and signaling surface operator
GB2479383A (en) * 2010-04-08 2011-10-12 Schlumberger Holdings Automated control of parameters of an industrial process from sensor data segmented at potential changepoints based upon models
SG11201502913PA (en) * 2012-11-05 2015-05-28 Landmark Graphics Corp System, method and computer program product for wellbore event modeling using rimlier data

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080130442A1 (en) * 2006-12-05 2008-06-05 Atsushi Kikugawa Optical disc drive provided with envelope defect detection function
US20090194333A1 (en) * 2007-10-19 2009-08-06 Macdonald Duncan Ranging methods for developing wellbores in subsurface formations
US20110071766A1 (en) * 2008-05-28 2011-03-24 Koninklijke Philips Electronics N.V. Method and system for determining a threshold for spike detection of electrophysiological signals
US20120059521A1 (en) * 2009-03-02 2012-03-08 Drilltronics Rig System As Drilling control method and system
CN102575516A (zh) * 2009-08-07 2012-07-11 埃克森美孚上游研究公司 根据地面测量估计井下钻探振动振幅的方法
CN102687041A (zh) * 2009-08-07 2012-09-19 埃克森美孚上游研究公司 根据地面测量估计井下钻探振动指标的方法
US20120173196A1 (en) * 2009-08-21 2012-07-05 Antech Limited System for determination of downhole position
WO2011139153A1 (en) * 2010-05-04 2011-11-10 Technologies88 B.V. Device and method for motion capture and analysis
CN102368095A (zh) * 2011-09-10 2012-03-07 吉林大学 多指数拟合核磁共振地下水探测信号弛豫时间谱提取方法
WO2015054432A1 (en) * 2013-10-08 2015-04-16 Fastcap Systems Corporation Dynamics monitoring system with rotational sensor
US20150142318A1 (en) * 2013-11-13 2015-05-21 Schlumberger Technology Corporation Wellbore Pipe Trip Guidance and Statistical Information Processing Method
CN104376881A (zh) * 2014-11-20 2015-02-25 西安交通大学 基于希尔伯特变换和数据筛选的核电站松动件定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张盈盈等: "基于小波包和Hilbert包络分析的滚动轴承故障诊断方法", 《电子测试》 *

Also Published As

Publication number Publication date
EP3311237B1 (en) 2022-08-03
EP3311237A1 (en) 2018-04-25
CN107850917B (zh) 2021-12-07
EP3311237A4 (en) 2018-06-20

Similar Documents

Publication Publication Date Title
US10482379B2 (en) Systems and methods to perform machine learning with feedback consistency
AU2016262077B2 (en) System and method for determining drill string motions using acceleration data
US10822923B2 (en) Resource identification using historic well data
US20160004800A1 (en) Methods and systems for reservoir history matching for improved estimation of reservoir performance
US20210058235A1 (en) Ai/ml and blockchained based automated reservoir management platform
US20140180589A1 (en) Method and apparatus for generating magnetic field map for database construction
US20190234207A1 (en) Optimization of rate-of-penetration
CN112213771A (zh) 地震波阻抗反演方法及装置
JP2023015165A (ja) ホログラフィー量子力学シミュレーション
AU2016278958B2 (en) System and method for event detection using streaming signals
WO2016176101A1 (en) Three-dimensional interactive wellbore model simulation system
JP2020118017A (ja) 目標掘削点を選択するための方法と装置
US20230244946A1 (en) Unsupervised anomaly detection of industrial dynamic systems with contrastive latent density learning
US20210056245A1 (en) Method and system for performing a simulation of a retraction cable motion
KR102445233B1 (ko) 유정 로그 데이터의 결측 구간 추정 방법 및 그 장치
NO20220097A1 (en) AI/ML and Block Chained Based Automated Reservoir Management Platform
CN107850917A (zh) 使用流信号的事件检测的系统和方法
US11719842B2 (en) Machine learning platform for processing data maps
CN104469782B (zh) 一种移动授权用户频谱检测与其地理位置估计方法与装置
US20210355805A1 (en) Ai/ml based drilling and production platform
CN107850686B (zh) 用于使用加速度数据来确定钻柱运动的系统和方法
Bashir et al. Real Time 3D Modeling to Optimize Geosteering in Clastic Reservoir–Case Study
CN116401597A (zh) 地震解释模型构建方法、电子设备及可读存储介质
NO20220090A1 (en) Ai/ml based drilling and production platform
Buratti et al. Distributed Detection of Spatially Non-constant Phenomena

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant